1.一种铁路货车图像分析方法，其特征在于，所述方法包括：获取待分析铁路货车的货车图像，利用训练好的重构神经网络对所述货车图像进行重构，得到重构图像，计算所述重构图像与所述货车图像之间重构误差，根据所述重构误差，判定所述货车图像中是否存在状态异物；在所述货车图像中存在状态异物时，识别所述货车图像中的异物区域；查询所述待分析铁路货车的待检测零部件，并定位所述待检测零部件在所述货车图像中的零部件区域，对所述零部件区域进行故障检测，以判定所述待检测零部件是否存在故障零部件；在所述待检测零部件存在故障零部件时，确定所述故障零部件的故障类型，根据所述故障类型，提取所述故障零部件的关键区域，计算所述关键区域的异常得分，根据所述异常得分，确定所述故障零部件的异常区域；对所述异物区域、所述故障类型及所述异常区域进行信息融合，得到所述货车图像的分析结果；其中，所述识别所述货车图像中的异物区域，包括：获取所述货车图像的重构误差对应的差分图像，对所述差分图像进行去噪处理，得到去噪图像；对所述去噪图像进行图像分割，得到分割图像，对所述分割图像进行切分处理，得到切分图像块；计算相邻所述切分图像块之间的结构相似度，在所述结构相似度大于预设的结构相似阈值时，对所述切分图像块进行相似融合处理，得到融合图像块；根据所述融合图像块，确定所述货车图像中的异物区域；所述计算相邻所述切分图像块之间的结构相似度，包括：利用下述公式，计算相邻所述切分图像块之间的结构相似度：其中， 表示相邻切分图像块之间的结构相似度， 表示相邻的切分图像块， 表示切分图像块 的平均灰度， 表示切分图像块 的平均灰度， 表示切分图像块 的灰度标准差， 表示切分图像块 的灰度标准差， 表示亮度常数， 表示对比度常数。
2.如权利要求1所述的铁路货车图像分析方法，其特征在于，所述利用训练好的重构神经网络对所述货车图像进行重构，得到重构图像之前，还包括，重构神经网络的训练，包括：初始化预构建的重构神经网络中的生成器参数和判别器参数，在预构建的货车图像数据库中，随机选取所述预构建的重构神经网络的货车图像样本，及从预设的噪声分布中，随机选取预构建的重构神经网络的噪声样本；根据所述货车图像样本和所述噪声样本，利用所述预构建的重构神经网络中的生成器函数更新所述生成器参数，得到更新生成器参数；所述生成器函数包括：其中， 表示更新生成器参数， 表示第 个生成器参数，G表示货车图像样本，D表示噪声样本, 表示生成器参数的序号， 表示生成器参数的数量；根据所述货车图像样本和所述噪声样本，利用所述预构建的重构神经网络中的判别器函数更新所述判别器参数，得到更新判别器参数；所述判别器函数包括：其中， 表示更新判别器参数， 表示第 个判别器参数，D表示噪声样本， 表示第 个生成器参数，G表示货车图像样本， 表示判别器参数的序号， 表示判别器参数的数量；迭代所述判别器更新参数和所述生成器更新参数，在所述预构建的重构神经网络达到纳什均衡时，得到均衡生成参数和均衡判别参数，根据所述均衡生成参数和所述均衡判别参数，生成训练好的重构神经网络。
3.如权利要求1所述的铁路货车图像分析方法，其特征在于，所述对所述零部件区域进行故障检测，以判定所述待检测零部件是否存在故障零部件，包括：识别所述零部件区域的零部件名称，提取所述零部件区域的区域特征，根据所述零部件名称，将所述区域特征进行拼接，得到拼接特征；提取预构建的正常零部件图像数据库的拼接正常特征，计算所述拼接特征和所述拼接正常特征的相似度；在所述相似度大于预设的相似度阈值时，判定所述待检测零部件不存在故障零部件；在所述相似度不大于预设的相似度阈值时，判定所述待检测零部件存在故障零部件。
4.如权利要求1所述的铁路货车图像分析方法，其特征在于，所述在所述待检测零部件存在故障零部件时，确定所述故障零部件的故障类型，包括：获取所述待检测零部件的所述零部件区域，识别所述待检测零部件对应的零部件种类；根据所述零部件种类，利用训练好的故障检测网络，对所述零部件区域进行检测，得到所述零部件区域的故障得分；根据所述故障得分，确定所述故障零部件的故障类型。
5.如权利要求1所述的铁路货车图像分析方法，其特征在于，所述根据所述异常得分，确定所述故障零部件的异常区域，包括：配置所述异常得分与预构建的颜色数据表之间的映射关系，根据所述映射关系，构建所述异常得分的热力图；在所述热力图的颜色色度大于预设的色度阈值时，识别所述热力图的对应区域，将所述对应区域作为所述故障零部件的异常区域。
6.一种铁路货车图像分析装置，其特征在于，所述装置包括：异物判定模块，用于获取待分析铁路货车的货车图像，利用训练好的重构神经网络对所述货车图像进行重构，得到重构图像，计算所述重构图像与所述货车图像之间重构误差，根据所述重构误差，判定所述货车图像中是否存在状态异物；异物识别模块，用于在所述货车图像中存在状态异物时，识别所述货车图像中的异物区域；故障检测模块，用于查询所述待分析铁路货车的待检测零部件，并定位所述待检测零部件在所述货车图像中的零部件区域，对所述零部件区域进行故障检测，以判定所述待检测零部件是否存在故障零部件；异常识别模块，用于在所述待检测零部件存在故障零部件时，确定所述故障零部件的故障类型，根据所述故障类型，提取所述故障零部件的关键区域，计算所述关键区域的异常得分，根据所述异常得分，确定所述故障零部件的异常区域；分析结果生成模块，用于对所述异物区域、所述故障类型及所述异常区域进行信息融合，得到所述货车图像的分析结果；其中，所述识别所述货车图像中的异物区域，包括：获取所述货车图像的重构误差对应的差分图像，对所述差分图像进行去噪处理，得到去噪图像；对所述去噪图像进行图像分割，得到分割图像，对所述分割图像进行切分处理，得到切分图像块；计算相邻所述切分图像块之间的结构相似度，在所述结构相似度大于预设的结构相似阈值时，对所述切分图像块进行相似融合处理，得到融合图像块；根据所述融合图像块，确定所述货车图像中的异物区域；所述计算相邻所述切分图像块之间的结构相似度，包括：利用下述公式，计算相邻所述切分图像块之间的结构相似度：其中， 表示相邻切分图像块之间的结构相似度， 表示相邻的切分图像块， 表示切分图像块 的平均灰度， 表示切分图像块 的平均灰度， 表示切分图像块 的灰度标准差， 表示切分图像块 的灰度标准差， 表示亮度常数， 表示对比度常数。
7.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的铁路货车图像分析方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的铁路货车图像分析方法。
